利用机器学习进行层次聚类以分割二维和三维图像
计算机视觉与模式识别
2015-03-13 v3 机器学习
摘要
我们旨在通过在区域聚合过程中使用机器学习工具来改进分割效果。我们提出了一种主动学习方法，用于从超像素执行层次聚合分割。该方法在聚合过程的所有尺度上结合多种特征，适用于任意维度的数据，并可扩展至非常大的数据集。我们主张使用变异信息（variation of information）来衡量分割精度，特别是在神经组织的三维电子显微镜（EM）图像中；利用该指标，我们在 EM 图像和自然图像中展示了优于竞争算法的性能。
引用
@article{arxiv.1303.6163,
title = {Machine learning of hierarchical clustering to segment 2D and 3D images},
author = {Juan Nunez-Iglesias and Ryan Kennedy and Toufiq Parag and Jianbo Shi and Dmitri B. Chklovskii},
journal= {arXiv preprint arXiv:1303.6163},
year = {2015}
}
备注
15 pages, 8 figures